基于Andersen医疗保健利用模型(Andersen Healthcare Utilization Model, AHUA)探讨德国自报双相情感障碍(Bipolar Disorder, BD)个体数字健康资源(Digital Health Resources)利用的决定因素——一项横断面研究

《Bipolar Disorders》：Determinants of Digital Health Resource Utilization Among Individuals With Self-Reported Bipolar Disorder in Germany—A Cross-Sectional Study Based on the Andersen Model

　　

背景：本研究首次将Andersen医疗保健利用模型（Andersen Healthcare Utilization Model, AHUA）应用于德国自报诊断为双相情感障碍（Bipolar Disorder, BD）人群的数字健康资源（包括健康相关网站、社交媒体及在线论坛、智能手机应用程序、可穿戴设备等数字装置、与卫生保健专业人员在线互动）利用研究，以明确系统性影响该类人群使用数字健康资源的因素。方法：通过对213名自报确诊BD的受试者进行匿名在线横断面调查，收集人口学特征、疾病史、数字素养及数字健康资源利用情况，采用分层多元线性回归分析倾向因素（predisposing factors）、使能因素（enabling factors）及需求因素（need factors）与数字健康资源利用之间的关联。结果：最终模型可解释数字健康资源利用30.6%的变异。倾向因素中女性与更高利用率相关；使能因素中可穿戴设备（wearable）所有权是最强且显著的阳性预测因子；需求因素中较早诊断年龄及较低健康相关生活质量（Health-Related Quality of Life, HRQoL）与更高利用率显著相关；而智能手机所有权、数字健康素养（Digital Health Literacy, DHL）、主观健康状况、注意力集中困难及认知功能与可穿戴设备所有权的交互项与利用率无显著关联。讨论：结果表明BD人群数字健康资源利用主要由使能因素及客观健康相关需求驱动，而非主观健康感知或认知功能。结果强调设备可及性及临床特征对参与数字健康工具的重要性，针对可穿戴设备干预及为临床需求更突出者定制数字健康解决方案可提升采纳率并改善BD自我管理。

《基于Andersen模型探讨德国双相情感障碍人群数字健康资源利用决定因素的横断面研究》论文解读

研究背景

双相情感障碍（Bipolar Disorder, BD）是一种以抑郁与（轻）躁狂交替发作为特征的重性精神疾病，全球患病率约3%，常导致显著功能损害及预期寿命缩短。尽管药物与心理治疗是BD管理基石，长期预后常不理想，且精神卫生系统存在结构性障碍、治疗缺口及候诊时间长等问题。近年来数字健康资源（Digital Health Resources，含健康网站、社媒论坛、手机App、可穿戴设备、线上医患互动及AI工具）为弥补传统服务不足提供可能，但BD人群因其独特的发作期冲动/动机缺乏、认知损害、隐私顾虑及数字素养差异，其数字健康资源利用模式及影响因素尚不明确。Andersen医疗保健利用模型（Andersen Healthcare Utilization Model, AHUA）将卫生服务利用归因于倾向因素（人口学/社会结构）、使能因素（资源可及性）及需求因素（主客观健康需要），已被广泛用于传统精神卫生服务研究，但鲜少应用于BD人群数字健康情境。因此研究人员首次将该理论框架移植至数字健康领域，旨在描述德国BD人群数字健康资源利用模式，并识别AHUA三维度中对利用最具影响力的因素。本研究发表于International Journal of Bipolar Disorders（即Bipolar Disorders）。

主要技术方法与样本

研究人员于2023年8月至2024年1月在德国开展全国性匿名在线横断面调查，采用便利抽样并通过BD自助组织、社媒、门诊等招募。纳入标准：≥18岁、自报经专业人员确诊BD（ICD-10: F31）。最终有效样本N=213（剔除高缺失值后）。调查工具与变量包括：数字健康资源利用采用改编自HLS₁₉-DIGI量表的HL-DIGI-DD（6条目，Cronbach's α=0.64，经验证性因子分析确认单维构念）；数字健康素养（Digital Health Literacy, DHL）采用HL-DIGI中10条目；抑郁及躁狂症状分别用Quick Inventory of Depressive Symptomatology（QIDS-SR₁₆）及Altman Self-Rating Mania Scale（ASRM）；健康相关生活质量（Health-Related Quality of Life, HRQoL）采用欧洲五维健康量表EQ-5D-5L（含指数分及视觉模拟标尺VAS）。AHUA变量操作化：倾向因素（年龄、性别、就业状况、教育年限）；使能因素（智能手机所有权、可穿戴设备所有权、DHL得分）；需求因素（诊断年龄、症状首发年龄、末次情感发作、EQ-5D-5L指数及VAS）。统计分析采用分层多元线性回归（Hierarchical Multiple Linear Regression），按AHUA理论分五步依次纳入变量块，检验各维度对数字健康资源利用得分（HL-DIGI-DD均分）的贡献及显著性，并检测多重共线性（VIF<5）与交互作用。

研究结果

3.1 样本特征（Sample Characteristics）

最终纳入213人，65.3%为女性，平均45.5岁；平均症状首发23.1岁，确诊平均年龄35.4岁（间隔约12年）；BD I型48.6%，II型43.4%；QIDS-SR均值10.9（轻度抑郁水平），ASRM均值2.6；EQ-5D-5L指数均值0.8，VAS（0–10分制）均值5.7。大多数居住于大城市，拥有德国高中毕业会考（Abitur）学历，公费医疗保险。

3.2 数字健康资源利用（Digital Health Utilization）

各类资源用户比例均超50%：健康网站86.6%、社媒/论坛82.3%、其他信息源（含AI聊天机器人等）75.3%、线上医患互动68.3%、健康App 66.7%、数字健康设备（如健身手表）64.1%。但在使用者中每日高频使用者占比最高者为数字健康设备（47.1%）及健康App（41.9%），线上医患互动最少每日使用。HL-DIGI-DD均分M=1.29（SD=0.79）。

3.3 倾向因素与数字健康资源利用（Predisposing Factors and Utilization of Digital Health Resources）

第一步回归模型显著（调整R²=0.064, p=0.005）。女性（β=0.22, p=0.01）及较低教育年限（β=-0.16, p=0.039）与更高利用相关；年龄与就业状况无显著关联。

3.4 使能因素与数字健康资源利用（Enabling Factors and Utilization of Digital Health Resources）

加入使能因素后ΔR²=0.14（p<0.001），总R²=0.22。可穿戴设备所有权显著正向预测利用（β=0.36, p<0.001）；智能手机所有权（β=0.05, p=0.48）及数字健康素养得分（β=0.02, p=0.78）无显著性。

3.5 认知与交互因素（Cognitive and Interaction Factors）

加入注意力集中困难（认知功能代理变量）未显著提升模型（ΔR²=0.01, p=0.169）；可穿戴设备所有权×注意力集中困难交互项亦不显著（ΔR²=0.00, p=0.977）。

3.6 需求因素与数字健康资源利用（Need Factors and Utilization of Digital Health Resources）

加入需求因素后ΔR²=0.08（p=0.007），最终模型R²=0.31（调整R²=0.306）。最终模型中可穿戴设备所有权（β=0.41, p<0.001）与女性性别（β=0.18, p=0.014）仍显著；需求因素中较早诊断年龄（β=-0.21, p=0.035）及较低EQ-5D-5L指数（β=-0.28, p=0.005）与更高利用显著相关；EQ-5D-5L VAS、症状首发年龄及末次情感发作时间无显著性。

讨论与结论总结

研究人员指出BD人群整体数字健康资源利用率高于德国普通人群，尤以健康网站及社媒为甚，且可穿戴设备及App具最高日频使用率。应用AHUA发现：①倾向因素中女性因更主动的健康寻求行为致更高利用，教育呈反向不显著趋势可能与低教育者更依赖低门槛数字工具有关；②使能因素中可穿戴设备所有权是最强驱动因子，提示设备物理可及性与自我监测反馈环路促使用户参与，而几近普及的智能手机及通用数字健康素养未显额外贡献；③需求因素中客观健康负担（低EQ-5D-5L指数）而非主观自评健康（VAS）及较早诊断年龄（可能积累更长自我管理经验）预测更高利用，但症状首发年龄、近期情感发作及注意力困难无显著影响。局限性含自报诊断、横断面设计、便利抽样偏高教育程度及HL-DIGI-DD信度中等。建议未来开展纵向研究、临床确诊及完善测评工具，针对男性、晚诊断者加强推广，开发BD特异性循证数字干预（尤整合可穿戴技术），并提升临床医生对数字健康资源的认知。

结论（Conclusion）原文意译

本研究表明德国BD个体数字健康资源利用率高，其利用主要受使能因素特别是可穿戴设备所有权及客观临床需求指标（较低健康相关生活质量、较早诊断年龄）驱动，而非一般人口学特征或主观健康感知。可穿戴设备等数字工具可支持自我管理，但与医务人员之数字互动仍利用不足，提示当前服务传递存在缺口。研究强调超越泛在接入、将数字工具整合入BD照护路径，尤其针对高临床需求者；促进早期诊断和提供基于证据、整合可穿戴技术的BD特异性数字干预，可提升参与度并支持BD长期管理。本研究佐证了理论驱动框架在理解数字健康利用中的价值，并为开发更具针对性及公平性的数字健康解决方案奠定基础。